Metode Pengumpulan Data Metode Analisis

53 program AMOS, tetapi program AMOS akan merubah dahulu data mentah menjadi matrik kovarian atau matrik korelasi. Analisis terhadap data outlier harus dilakukan sebelum matrik kovarian atau korelasi dihitung. Teknik estimasi model persamaan struktural pada awalnya dilakukan dengan ordinary least square OLS regression, tetapi teknik ini mulai digantikan oleh Maximum Likelihood Estimation ML yang lebih efisien dan unbiased jika asumsi normalitas multivariate dipenuhi. Teknik ML sekarang digunakan oleh banyak program komputer. Namun demikian teknik ML sangat sensitif terhadap non-normalitas data sehingga diciptakan teknik estimasi lain seperti Weight Least Square WLS, Generalized Least Square GLS dan Asymptotivally Distribution Free ADF. Langkah 5 : Menilai Identifikasi Model Struktural Selama proses estimasi berlangsung dengan program komputer, sering didapat hasil estimasi yang tidak logis atau meaningless dan hal ini berkaitan dengan masalah identifikasi model struktural. Problem identifikasi adalah ketidakmampuan proposed model untuk menghasilkan unique estimate. Cara melihat ada tidaknya problem identifikasi adalah dengan melihat hasil estimasi yang meliputi: 1 adanya nilai standar error yang besar untuk satu atau lebih koefisien, 2 ketidakmampuan program untuk invert information matrix, 3 nilai estimasi yang tidak mungkin misalkan error variance yang negatif , 4 adanya nilai korelasi yang tinggi 0,90 antar koefisien estimasi. Langkah 6 : Menilai Kriteria Goodness-of-Fit 54 Salah satu tujuan dari analisis jalur adalah menentukan apakah model planusible masuk akal atau fit. Suatu model penelitian dikatakan baik, apabila memiliki model fit yang baik pula. Tingkat kesesuaian model dalam buku Imam Ghozali 2008 terdiri dari: 1. Absolute Fit Measure Absolute fit measure mengukur model fit secara keseluruhan baik model struktural maupun model pengukuran secara bersamaan. a. LikeliHood-Ratio Chi-Square Statistic Ukuran fundamental dari overall fit adalah likeliHood-ratio chi- square 2  . Nilai chi-square yang tinggi relatif terhadap degree of freedom menunjukkan bahwa matrik kovarian atau korelasi yang diobservasi dengan yang diprediksi berbeda secara nyata dan ini akan menghasilkan probabilitas p yang lebih besar dari tingkat signifikansi  dan ini menunjukkan bahwa input matrik kovarian antara prediksi dengan observasi sesungguhnya tidak berbeda secara signifikan. Dalam hal ini peneliti harus mencari nilai chi-square yang tidak signifikan p  0.05 karena mengharapkan bahwa model yang diusulkan cocok atau fit dengan data observasi. b. CMINDF Adalah nilai chi-square dibagi dengan degree of freedom. Beberapa pengarang menganjurkan menggunakan ratio ukuran ini untuk mengukur fit. Menurut Wheaton et. Al 1977 dalam Imam Ghozali 2008 nilai ratio 5 lima atau kurang dari lima merupakan 55 ukuran yang reasonable. Peneliti lainnya seperti Byrne 1988 mengusulkan nilai ratio ini 2 merupakan ukuran fit. c. Goodness of Fit Index GFI Goodness of Fit Index GFI dikembangkan oleh Joreskog dan Sorbon 1984 yaitu ukuran non-statistik yang nilainya berkisar antar 0 poor fit sampai 1 perfect fit. Nilai GFI tinggi menunjukkan fit yang lebih baik dan berapa nilai GFI dapat diterima sebagai nilai yang layak belum ada standarnya, tetapi banyak peneliti menganjurkan nilai di atas 90 sebagai ukuran good fit. d. Root Mean Square Erorrs of Approximation RMSEA Root mean square error of approximination RMSEA merupakan ukuran yang mencoba memperbaiki kecenderungan statistic chi-square menolak model dengan jumlah sampel yang besar. Nilai RMSEA antara 0,05 sampai 0,08 merupakan ukuran yang dapat diterima. Hasil uji empiris RMSEA cocok untuk menguji model konfitmatori atau competing model strategy dengan jumlah sampel besar. 2. Incremental Fit Measures Incremental fit measures membandingkan proposed model dengan baseline model sering disebut dengan null model. Null model merupakan model realistic dimana model-model yang lain harus diatasnya. a. Adjusted Goodness of Fit Indes AGFI Adjusted Goodnbess of Fit Index AGFI merupakan pengembangan dari GFI yang disesuaikan dengan ratio degree of 56 freedom untuk propsed model dengan degree of freedom untuk null model. Nilai yang direkomendasikan adalah  0,90. b. Tucker-Lewis Index TLI Tucker-Lewis Index atau dikenal dengan nonnormed fit index NNFI. Pertama kali diusulkan sebagai alat untuk mengevaluasi analisis faktor, tetapi sekarang dikembangkan untuk SEM. Ukuran ini menggabungkan ukuran parsimony kedalam indeks komparasi antara proposal model dan null model dan nilai TLI berkisar dari 0 sampai 1.0. Nilai TLI yang direkomemdasikan adalah  0,90. c. Normed Fit Index NFI Normed Fit Index merupakan ukuran perbandingan antara proposed model dan null model. Nilai NFI akan bervariasi dari 0 no fit at al l sampai 1.0 perfect fit. Seperti halnya TLI tidak ada nilai absolute yang dapat digunakan sebagai standar, tetapi umumnya direkomendasikan  0,90. 3. Parsimony Fit Measures Ukuran ini menghubungkan goodness-of-fit model dengan sejumlah koefisien estimasi yang diperlukan untuk mencapai level fit. Tujuan dasarnya adalah untuk mendiagnosa apakah model fit telah tercapai dengan “overfitting” data yang memiliki banyak koefisien. Prosedur ini mirip dengan “adusjtment” terhadap nilai R 2 didalam multiple regression. Namun demikian karena tidak ada uji statistik yang tersedia maka penggunaannya hanya terbatas untuk membandingkan model. 57 a. Parsimony Goodness of Fit Index PGFI Parsimonious goodness-of-fit index PGFI memodifikasi GFI atas dasar parsimony estimated model. Nilai PGFI berkisar antara 0 sampai 1.0 dengan nilai semakin tinggi menunjukkan model lebih parsimony. b. Parsimony Normed Fit Index PNFI Parsimonious Normal Fit Index PNFI merupakan modifikasi dari NFI. PNFI memasukkan jumlah degree of freedom yang digunakan untuk mencapai level fit. Semakin tinggi nilai PNFI semakin baik. Kegunaan utama dari PNFI adalah untuk membandingkan model dengan degree of freedom yang berbeda. Digunakan untuk membandingkan model alternatif sehingga tidak ada nilai yang direkomendasikan sebagai nilai fit yang diterima. Namun demikian jika membandingkan dua model maka perbedaan PNFI 0,60 sampai 0,90 menunjukkan adanya perbedaan model yang signifikan. 58 Tabel 3.1 Standar Penilaian Kesesuaian Fit Laporan Statistik Nilai yang Direkomendasikan Imam Ghozali 2008 Cut of value Keterangan Absolut Fit Probabilitas 2  Tidak signifikan p 0.05 Model yang diusulkan cocokfit dengan data observasi 2  df  5 2 - Ukuran yang reasonable - Ukuran fit RMSEA 0.1 0.05 0.01 0.05   x 0.08 - good fit - very good fit - outstanding fit - reasonable fit GFI 0.9 good fit Incremental Fit AGFI  0.9 good fit TLI  0.9 good fit NFI  0.9 good fit Parsimonious Fit PNFI 0-1.0 lebih besar lebih baik PGFI 0-1.0 lebih besar lebih baik Sumber : Imam Ghozali, 2008 Langkah 7 : Interpretasi dan Modifikasi Model Ketika model telah dinyatakan diterima, maka peneliti dapat mempertimbangkan dilakukannya modifikasi model untuk memperbaiki penjelasan teoritis atau goodness-of-fit. Modifikasi dari model awal harus dilakukan setelah dikaji 59 banyak pertimbangan. Jika model dimodifikasi, maka model tersebut harus di cross- validated diestimasi dengan data terpisah sebelum model modifikasi diterima.

E. Operasional Variabel Penelitian a. Variabel Endogen

1 Pembiayaan Y Menurut Undang-Undang Nomor 10 Tahun 1998 tentang Perbankan Pasal 1 disebutkan bahwa, Pembiayaan berdasarkan prinsip syariah adalah penyediaan uang atau tagihan yang dipersamakan dengan itu berdasarkan persetujuan atau kesepakatan antara bank dengan pihak lain yang mewajibkan pihak yang dibiayai untuk mengembalikan uang atau tagihan tersebut setelah jangka waktu tertentu dengan imbalan atau bagi hasil. Pembiayaan atau financing, adalah pendanaan yang diberikan oleh suatu pihak kepada pihak lain untuk mendukung investasi yang telah direncanakan, baik dilakukan sendiri maupun lembaga. Dengan kata lain, pembiayaan adalah pendanaan yang dikeluarkan untuk mendukung investasi yang direncanakan. Muhammad, 2005 : 17. Data Pembiayaan yang digunakan adalah jumlah pada Bank Muamalat Indonesia periode bulan Januari 2003 – Juli 2010. Data tersebut diperoleh dari Statistik Perbankan Syariah pada situs www.bi.go.id . 60 2 Return On Assets ROA Z Menurut F.S. Mishkin 2008:306, oleh karena pemilik bank harus mengetahui apakah banknya dikelola dengan baik, mereka membutuhkan pengukuran yang baik mengenai profitabilitas bank. Ukuran dasar keuntungan bank adalah imbal hasil atas aset return on assets -ROA, laba bersih setelah pajak dibagi aset : ROA memberikan informasi mengenai efisiensi bank yang dijalankan; karena ROA menunjukkan berapa banyak laba yang dihasilkan secara rata-rata dari 1 asetnya. Data return on assets ROA yang digunakan adalah jumlah return on assets ROA pada Bank Muamalat Indonesia periode bulan Januari 2003 sampai Juli 2010. Data tersebut diperoleh dari Statistik Perbankan Syariah pada situs www.bi.go.id .

b. Variabel Eksogen

1 Modal X 1 Menurut Zainul Arifin 2006:135 secara tradisional, modal didefinisikan sebagai sesuatu yang mewakili kepentingan pemilik dalam suatu perusahaan. Berdasarkan nilai buku, modal didefinisikan sebagai kekayaan bersih net worth yaitu selisih antara nilai buku dan aktiva dikurangi dengan nilai buku dari kewajiban liabilities. Pada suatu bank, sumber perolehan modal bank dapat diperoleh dari Laba bersih setelah pajak x 100 Aset ROA = 61 beberapa sumber. Pada awal pendirian, modal bank diperoleh dari para pendiri dan para pemegang saham. Pemegang saham menempatkan modalnya pada bank dengan memperoleh hasil keuntungan di masa yang akan datang. Data Modal Bank yang digunakan adalah jumlah Modal pada Bank Muamalat Indonesia periode bulan Januari 2003 – Juli 2010. Data tersebut diperoleh dari laporan publikasi Perbankan Syariah pada situs www.bi.go.id . 2 Non Performing Financing NPF X 2 Luh Gede Meydianawathi 2007:138 menyatakan bahwa, Non Performing Loans NPLs menunjukkan kemampuan kolektibilitas sebuah bank dalam mengumpulkan kembali pembiayaan yang dikeluarkan oleh bank sampai lunas. NPLs merupakan persentase jumlah pembiayaan bermasalah dengan kriteria kurang lancar, diragukan, dan macet terhadap total pembiayaan yang dikeluarkan bank. NPLs mempunyai hubungan negatif dengan penawaran kredit. Oleh kebanyakan bank sentral, pembiayaan bermasalah dikategorikan sebagai aktiva produktif bank yang diragukan kolektabilitasnya. Untuk menjaga keamanan dana para deposan, bank sentral mewajibkan bank umum menyediakan cadangan penghapusan pembiayaan bermasalah. Dengan demikian, semakin besar jumlah saldo pembiayaan bermasalah yang dimiliki bank, akan semakin besar jumlah dana cadangan yang harus segera disediakan, serta semakin besar pula biaya yang harus mereka tanggung untuk mengadakan dana 62 cadangan itu. Sudah barang tentu hal ini mempengaruhi profitabilitas usaha bank yang bersangkutan. Siswanto Sutojo, 2008:25. Data non performing financing NPF yang digunakan adalah jumlah non performing financing NPF pada Bank Muamalat Indonesia periode bulan Januari 2003 – Juli 2010. Data tersebut diperoleh dari Statistik Perbankan Syariah pada situs www.bi.go.id . 3 Inflasi X 3 Menurut Sukirno 2004:27 inflasi adalah kenaikan harga-harga secara umum berlaku dalam suatu perekonomian dari suatu periode ke periode lainnya, sedangkan tingkat inflasi adalah presentasi kenaikan harga-harga pada suatu tahun tertentu berbanding dengan tahun sebelumnya. Menurut Campbell and Stanley 2005:141 inflasi adalah kenaikan tingkat harga umum. Ketika inflasi terjadi, setiap dolar pendapatan akan membeli lebih sedikit barang dan jasa dari sebelumnya. Inflasi mengurangi daya beli uang. Tetapi inflasi tidak berarti bahwa semua harga-harga naik. Bahkan selama periode inflasi yang cepat, beberapa harga mungkin relatif konstan sementara yang lain jatuh. Data inflasi yang digunakan adalah perkembangan inflasi per bulan periode Januari 2003 - Juli 2009. Data tersebut diperoleh dari situs www.bi.go.id 63

BAB IV HASIL DAN PEMBAHASAN

A. Sekilas Gambaran Umum Objek Penelitian

Ide pendirian Bank Muamalat Indonesia berasal dari Majelis Ulama Indonesia MUI pada lokakarya “bunga bank dan perbankan” pada tanggal 18-20 Agustus 1990. Ide pertama ini kemudian lebih dipertegas lagi dalam MUNAS VI MUI di Hotel Sahid tanggal 22-25 Agustus 1990. Berawal dari amanat MUNAS IV MUI inilah dimulainya langkah untuk mendirikan Bank Islam. Perwataatmadja dan Antonio, 1999:84 PT Bank Muamalat Indonesia Tbk didirikan pada 24 Rabius Tsani 1412 H atau 1 November 1991, diprakarsai oleh Majelis Ulama Indonesia MUI dan pemerintah Indonesia, dan memulai kegiatan operasinya pada 27 Syawwal 1412 H atau 1 Mei 1992. Dengan dukungan nyata dari eksponen ikatan cendekiawan muslim se-Indonesia ICMI dan beberapa pengusaha muslim, pendirian Bank Muamalat juga menerima dukungan masyarakat, terbukti dari komitmen pembelian saham perseroan senilai Rp 84 miliar pada saat penandatanganan akta pendirian perseroan. Selanjutnya, pada acara silaturahmi peringatan pendirian tersebut di Istana Bogor, diperoleh tambahan komitmen dari masyarakat Jawa Barat yang turut menanam modal senilai Rp 106 miliar. Pada tanggal 27 Oktober 1994, hanya dua tahun setelah didirikan, Bank Muamalat berhasil menyandang predikat sebagai bank devisa. Pengakuan ini